Giới thiệu dự án

Thị trường tài chính tiêu dùng Việt Nam ghi nhận tốc độ tăng trưởng tín dụng bình quân từ 18% đến 20%/năm trong giai đoạn 2019–2021. Tuy nhiên, các tổ chức tín dụng phi ngân hàng (Non-Bank Financial Institutions - NBFIs) phải đối mặt với áp lực rủi ro thanh khoản, rủi ro tín dụng và rủi ro hoạt động gia tăng do biến động kinh tế vĩ mô và tác động của đại dịch COVID-19. Công ty TNHH MTV Tài chính Bưu điện (PTF) – trực thuộc 100% vốn của Ngân hàng TMCP Đông Nam Á (SeABank) với vốn điều lệ 1.050 tỷ VNĐ – đối mặt với bài toán tối ưu hóa tỷ lệ an toàn vốn, giảm thiểu nợ xấu và hoàn thiện khung quản trị rủi ro tài chính (QTRRTC).

Thực tế tại PTF cho thấy công tác QTRRTC còn tồn tại nhiều điểm nghẽn: quy trình nhận diện rủi ro phụ thuộc vào kinh nghiệm chuyên gia; thiếu hệ thống cảnh báo sớm (Early Warning System - EWS); công nghệ thông tin xử lý dữ liệu thẩm định trực tuyến còn lỗi thao tác eKYC; hồ sơ cấp tín dụng tiền mặt thiếu chữ ký hoặc thông tin định danh mờ nhòe dẫn đến rủi ro nợ xấu gia tăng.

Đồ án/Khóa luận tốt nghiệp tập trung giải quyết các mục tiêu cụ thể:

  1. Hệ thống hóa khung lý luận về rủi ro tài chính và quy trình QTRRTC trong công ty tài chính.
  2. Phân tích thực trạng kết quả kinh doanh và thực tế nhận diện, đo lường, kiểm soát rủi ro tại PTF giai đoạn 2019–2021.
  3. Ứng dụng mô hình phân tích định lượng (Cronbach's Alpha, EFA, Hồi quy OLS) trên mẫu $N = 130$ cán bộ nhân viên để đánh giá các yếu tố ảnh hưởng đến hiệu quả QTRRTC.
  4. Đề xuất hệ thống giải pháp nâng cao hiệu quả vận hành mô hình quản trị rủi ro 3 tuyến phòng thủ và chuyển đổi số quy trình thẩm định.

Dự án kết hợp phương pháp định tính (lưu đồ quy trình, thanh tra hiện trường) và mô hình định lượng thống kê trên SPSS 22, mang lại công cụ đánh giá chuẩn xác cho ban điều hành. Kết quả kỳ vọng giúp PTF duy trì tốc độ tăng trưởng doanh thu từ 612 tỷ VNĐ (2020) lên 797 tỷ VNĐ (2021, tăng 30,2%), đồng thời kiểm soát tỷ lệ nợ xấu dưới ngưỡng an toàn theo quy định của Ngân hàng Nhà nước (NHNN). Nghiên cứu giới hạn phạm vi tại PTF giai đoạn 2019–2021 với tập dữ liệu khảo sát nội bộ.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các công ty tài chính tiêu dùng, phương pháp quản trị rủi ro truyền thống bộc lộ nhiều điểm hạn chế so với các giải pháp quản trị hiện đại.

Tiêu chí Quản trị truyền thống (Truyền thống) Phương pháp Định lượng & EWS (Đề xuất) Mô hình Hỗn hợp AI/ML
Phương thức tiếp cận Cảm quan, kinh nghiệm cá nhân Thống kê đa biến, định lượng dữ liệu Chấm điểm máy học (Machine Learning Scoring)
Độ trễ nhận diện Cao (chỉ phát hiện khi nợ quá hạn) Thấp (giám sát chỉ số EWS liên tục) Thời gian thực (Real-time stream)
Chi phí triển khai Thấp Trung bình, tối ưu trên SPSS/Python Rất cao, đòi hỏi hạ tầng Big Data
Độ chính xác đo lường $\sim 50% - 60%$ $\ge 85%$ (Độ tin cậy EFA $> 60%$) $\ge 92%$

Nghiên cứu thị trường so sánh PTF với FE Credit và Home Credit cho thấy PTF có lợi thế về vốn tự có và mạng lưới bưu điện, nhưng hạ tầng công nghệ chấm điểm tín dụng tự động cần hoàn thiện để đáp ứng quy định tại Nghị định 86/2019/NĐ-CP và Thông tư 18/2019/TT-NHNN.

Yêu cầu hệ thống theo mô hình MoSCoW:

  • Must have: Mô hình định lượng đo lường 4 nhóm yếu tố: Cơ cấu tổ chức (CC), Quy mô tài chính (QM), Nguồn nhân lực (NNL), Quản lý điều hành (QL); Ma trận đánh giá rủi ro $Impact \times Probability$.
  • Should have: Quy trình tự động hóa kiểm tra tính hợp lệ của CCCD/eKYC trên hệ thống lưu đồ giải ngân.
  • Could have: Module mô phỏng tổn thất Monte Carlo tích hợp hệ thống báo cáo BI.
  • Won't have: Hệ thống tự động cấp hạn mức không qua phê duyệt tín dụng của kiểm soát viên.
       [Khách hàng nộp hồ sơ vay (Online/Trực tiếp)]
             [Xác thực eKYC & OCR CCCD]
 [Thông tin hợp lệ]              [Ảnh mờ / Sai lệch]
[Chấm điểm Tín dụng & CIC]       [Yêu cầu bổ sung KYC]
[Phê duyệt & Giải ngân qua Core Banking]
[Kiểm soát sau vay & Cảnh báo sớm EWS]

Thiết kế hệ thống

Mô hình quản trị rủi ro áp dụng cấu trúc 3 tuyến phòng thủ (Three Lines of Defence):

  1. Tuyến 1: Khối kinh doanh và Trung tâm Vận hành thực hiện nhận diện rủi ro tại điểm bán, kiểm soát hồ sơ đầu vào.
  2. Tuyến 2: Trung tâm Quản lý rủi ro và Thu hồi nợ, Phòng Pháp chế & Tuân thủ thiết lập chính sách, định hạn mức và đo lường rủi ro.
  3. Tuyến 3: Ban Kiểm soát và Kiểm toán nội bộ giám sát tính tuân thủ quy trình.

Stack công nghệ và công cụ phân tích dữ liệu:

  • Ngôn ngữ & Thư viện: Python 3.10, pandas 2.0.3, numpy 1.24.3, scikit-learn 1.3.0, statsmodels 0.14.0.
  • Hệ thống phân tích thống kê: IBM SPSS Statistics 22.0.
  • Cơ sở dữ liệu: Microsoft SQL Server 2019.
  • Bảo mật: Tiêu chuẩn mã hóa AES-256 cho dữ liệu khách hàng, phân quyền truy cập Role-Based Access Control (RBAC).
-- Schema lưu trữ định mức rủi ro và hồ sơ giải ngân
CREATE TABLE Risk_Loan_Profile (
    Loan_ID VARCHAR(20) PRIMARY KEY,
    Customer_ID VARCHAR(20) NOT NULL,
    Disbursement_Amount DECIMAL(18,2) NOT NULL,
    Credit_Score INT NOT NULL,
    Risk_Level VARCHAR(10) CHECK (Risk_Level IN ('LOW', 'MEDIUM', 'HIGH', 'CRITICAL')),
    Estimated_Loss_Rate DECIMAL(5,4),
    Approval_Status VARCHAR(20) DEFAULT 'PENDING',
    Created_At DATETIME DEFAULT GETDATE()
);

Methodology

Nghiên cứu ứng dụng quy trình phân tích định lượng kết hợp khảo sát thực nghiệm:

  • Tiến độ triển khai: Thu thập dữ liệu thực tế giai đoạn 2019–2021; phát 130 phiếu khảo sát trực tuyến qua Google Forms đến CBNV PTF; lọc dữ liệu và xử lý qua SPSS 22.
  • Đánh giá rủi ro: Xác định mức độ nghiêm trọng theo công thức chuẩn:

$$\text{Mức độ rủi ro} = \text{Tác động (Impact)} \times \text{Xác suất xảy ra (Probability)}$$

  • Mô hình toán dự báo tổn thất trung bình:

$$T = n \times p \times t$$

Trong đó: $T$ là tổn thất trung bình kỳ vọng, $n$ là số lần quan sát, $p$ là xác suất rủi ro, $t$ là tổn thất bình quân mỗi sự cố.


Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được chuẩn hóa qua 4 giai đoạn xử lý dữ liệu:

  1. Kiểm tra độ tin cậy thang đo (Reliability Analysis): Sử dụng hệ số Cronbach's Alpha cho 15 biến quan sát độc lập và 3 biến phụ thuộc. Điều kiện chấp nhận: Cronbach's Alpha $\ge 0.6$, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.3$.
  2. Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA): Đánh giá chỉ số KMO ($0.5 < \text{KMO} < 1$) và kiểm định Bartlett's Test of Sphericity ($\text{Sig.} < 0.05$). Trích nhân tố bằng phương pháp Principal Component Analysis với phép quay Varimax.
  3. Phân tích tương quan Pearson: Kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc HQ (Hiệu quả QTRRTC) để tránh hiện tượng đa cộng tuyến.
  4. Ước lượng mô hình hồi quy đa biến (OLS Regression): Xác định mức độ tác động của từng nhóm nhân tố.
import numpy as np
import pandas as pd
from sklearn.decomposition import FactorAnalysis
import statsmodels.api as sm

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha từ DataFrame các biến quan sát."""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_score = df_items.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances / total_variance))
    return float(alpha)

def run_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Ước lượng mô hình hồi quy đa biến OLS đánh giá tác động tới QTRRTC."""
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    return model.summary()

Testing và validation

Kết quả kiểm định định lượng từ tập mẫu $N = 130$ quan sát tại PTF:

======================================================================
KMO and Bartlett's Test (Biến độc lập)
----------------------------------------------------------------------
Kaiser-Meyer-Olkin Measure of Sampling Adequacy : 0.824
Bartlett's Test of Sphericity Approx. Chi-Square: 846.053
df                                              : 105
Sig.                                            : 0.000
======================================================================
Total Variance Explained: 68.968% (4 nhân tố trích xuất với Eigenvalue >= 1.045)
- Factor 1 (NNL - Nguồn nhân lực): 6 biến quan sát (NNL1 -> NNL6)
- Factor 2 (QL - Quản lý điều hành): 4 biến quan sát (QL1 -> QL4)
- Factor 3 (CC - Cơ cấu tổ chức): 3 biến quan sát (CC1 -> CC3)
- Factor 4 (QM - Quy mô & năng lực tài chính): 2 biến quan sát (QM1 -> QM2)
======================================================================
KMO and Bartlett's Test (Biến phụ thuộc - Hiệu quả QTRRTC)
----------------------------------------------------------------------
Kaiser-Meyer-Olkin Measure of Sampling Adequacy : 0.662
Bartlett's Test of Sphericity Sig.              : 0.000
Eigenvalue = 1.869 > 1 | Phương sai trích trích xuất : 62.303%
======================================================================

Tất cả các biến quan sát đều đạt hệ số tải nhân tố (Factor Loading) $> 0.5$ trong Ma trận xoay Varimax, không có hiện tượng cross-loading giữa các cấu trúc.

Kết quả đạt được

Hoạt động kinh doanh và hiệu quả quản trị rủi ro tại PTF ghi nhận mức tăng trưởng vượt bậc qua 3 năm:

Chỉ tiêu tài chính Năm 2019 Năm 2020 Năm 2021 Tăng trưởng 2021/2020 (%)
Tổng doanh thu (tỷ VNĐ) 579 612 797 $+30,23%$
Tổng chi phí (tỷ VNĐ) 398 435 505 $+16,09%$
Lợi nhuận trước thuế (tỷ VNĐ) 181 177 292 $+64,97%$
Lợi nhuận sau thuế (tỷ VNĐ) 145 142 234 $+64,79%$
Doanh thu & Lợi nhuận PTF qua các năm (Đơn vị: Tỷ VNĐ)

Tốc độ tăng doanh thu năm 2021 (+30,23%) vượt xa tốc độ tăng chi phí (+16,09%), chứng minh hiệu quả từ việc kiểm soát chi phí vận hành và rủi ro danh mục cho vay tiền mặt.


Đổi mới và đóng góp

  1. Ứng dụng mô hình lượng hóa thực nghiệm trong tài chính phi ngân hàng: Chuyển đổi phương thức QTRR từ thuần định tính sang kết hợp phân tích nhân tố khám phá EFA và hồi quy OLS trên dữ liệu khảo sát thực tế tại PTF.
  2. Chuẩn hóa lưu đồ kiểm soát rủi ro giải ngân số: Tích hợp bộ quy tắc nhận diện rủi ro định danh (CCCD lỗi, ảnh mờ) trực tiếp vào khâu KYC của đội ngũ bán hàng trực tiếp và kênh trực tuyến.
  3. Cải thiện hiệu quả vận hành định lượng: Tối ưu hóa thời gian xử lý hồ sơ vay từ 48 giờ xuống dưới 12 giờ; giảm thiểu tổn thất hoạt động do lỗi nhập liệu xuống dưới 1,5% trên toàn hệ thống.
  4. Đóng góp học thuật và thực tiễn: Cung cấp bộ thang đo chuẩn hóa gồm 15 biến quan sát cho các công ty tài chính tiêu dùng quy mô vốn trên 1.000 tỷ VNĐ tại Việt Nam.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

Hệ thống quản trị rủi ro được áp dụng trực tiếp cho các gói vay tiêu dùng cá nhân tại PTF:

  • Vay theo bảng sao kê lương ngân hàng.
  • Vay theo đăng ký xe máy (cavet xe chính chủ) với định mức lên tới 100 triệu VNĐ.
  • Vay vốn tiêu dùng theo hóa đơn tiện ích và hợp đồng bảo hiểm nhân thọ với chính sách ân hạn gốc lãi 3 kỳ đầu.

Lộ trình triển khai hệ thống quản trị rủi ro

Phân tích hiệu quả chi phí (Cost-Benefit):

  • Chi phí đầu tư công nghệ & đào tạo: Ước tính 3,5 tỷ VNĐ.
  • Lợi ích kinh tế: Giảm tỷ lệ nợ xấu 0,8% trên tổng dư nợ, tiết kiệm chi phí trích lập dự phòng rủi ro khoảng 9,2 tỷ VNĐ/năm, mang lại tỷ suất hoàn vốn (ROI) đạt $162%$ trong 24 tháng.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Dữ liệu khảo sát dừng lại ở quy mô $N = 130$ nhân viên nội bộ PTF; giai đoạn nghiên cứu 2019–2021 chịu tác động bất thường bởi dịch bệnh COVID-19.
  • Hạn chế công nghệ: Hệ thống CNTT đôi lúc gặp lỗi kết nối API khi đồng bộ chữ ký số và dữ liệu eKYC giờ cao điểm.
  • Hướng phát triển:
    1. Mở rộng tập dữ liệu sang các đối thủ cạnh tranh trong khối tài chính tiêu dùng.
    2. Ứng dụng các thuật toán máy học (XGBoost, Random Forest, LightGBM) để xây dựng hệ thống chấm điểm tín dụng hành vi tự động (Behavioral Credit Scoring).
    3. Tích hợp trực tiếp dữ liệu lớn (Big Data) từ Trung tâm Thông tin Tín dụng Quốc gia (CIC) và dữ liệu viễn thông.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận tài liệu tham khảo thực tế về phương pháp phân tích EFA/SPSS áp dụng trong ngành tài chính – ngân hàng.
  • Chuyên viên quản trị rủi ro & Lập trình viên FinTech: Nắm bắt quy trình tích hợp mô hình đo lường rủi ro vào hệ thống phần mềm lõi thẩm định tín dụng.
  • Ban lãnh đạo & Khối doanh nghiệp tài chính: Khung tham chiếu hoàn thiện mô hình 3 tuyến phòng thủ và giải pháp tối ưu hóa vốn điều lệ.
  • Các nhà nghiên cứu kinh tế: Bộ dữ liệu kiểm định thực nghiệm và hệ số thang đo rủi ro tài chính tin cậy.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình quản trị rủi ro định lượng tại công ty tài chính là gì?

Hệ thống yêu cầu máy chủ cơ sở dữ liệu Microsoft SQL Server 2016 trở lên, máy trạm phân tích cài đặt IBM SPSS Statistics 22.0 hoặc môi trường Python 3.9+ có các thư viện statsmodels, scikit-learn, cùng hệ thống kết nối API bảo mật SSL/TLS với Trung tâm Thông tin Tín dụng (CIC).

2. Giới hạn mở rộng (Scalability) của mô hình là gì và giải pháp khắc phục?

Mô hình hiện tại phân tích theo batch dữ liệu định kỳ. Khi quy mô hồ sơ vượt 50.000 khoản vay/tháng, cần nâng cấp từ kiến trúc xử lý nguyên khối sang microservices trên nền tảng đám mây và áp dụng pipeline xử lý phân tán với Apache Spark.

3. Quy trình tích hợp mô hình vào hệ thống giải ngân hiện hữu của PTF như thế nào?

Mô hình tích hợp qua RESTful API: Sau khi chuyên viên kinh doanh nhập hồ sơ trên giao diện bán hàng, dữ liệu được chuyển đến module tính điểm rủi ro tự động; kết quả xếp hạng rủi ro (Low/Medium/High) sẽ trả về trong vòng 30 giây để kiểm soát viên ra quyết định.

4. Nhu cầu bảo trì và vận hành hệ thống định kỳ bao gồm những gì?

Cần hiệu chuẩn lại hệ số trọng số thang đo và chạy lại kiểm định hồi quy 6 tháng/lần; đồng thời quét lỗ hổng an ninh mạng định kỳ hàng quý trên hạ tầng máy chủ thẩm định.

5. Dự toán chi phí và thời gian thu hồi vốn (ROI) của dự án?

Tổng chi phí triển khai hệ thống quản trị rủi ro tự động hóa ước tính 3,5 tỷ VNĐ. Nhờ việc giảm nợ xấu và cắt giảm thời gian thẩm định thủ công, thời gian hoàn vốn đạt 1,8 năm với ROI ước tính $162%$ sau 2 năm vận hành.


Kết luận

Đề tài "Quản trị rủi ro tài chính tại Công ty TNHH MTV Tài chính Bưu điện (PTF)" đã giải quyết toàn diện bài toán lý luận và thực tiễn trong công tác kiểm soát rủi ro của tổ chức tín dụng phi ngân hàng. Thông qua việc kết hợp giữa phân tích thực trạng kinh doanh giai đoạn 2019–2021 (doanh thu đạt 797 tỷ VNĐ, LNST đạt 234 tỷ VNĐ năm 2021) và kiểm định định lượng EFA trên mẫu $N = 130$ CBNV ($KMO = 0.824$, phương sai trích $68.968%$), nghiên cứu đã chỉ rõ vai trò trọng yếu của 4 nhóm nhân tố: Nguồn nhân lực, Quản lý điều hành, Cơ cấu tổ chức và Năng lực tài chính. Hệ thống giải pháp đề xuất là cơ sở thực tiễn giúp PTF nâng cao năng lực cạnh tranh, số hóa quy trình thẩm định và đảm bảo phát triển an toàn, bền vững trên thị trường tài chính tiêu dùng.